Early proteomic analysis may allow noninvasive identification of hepatitis C response to treatment with pegylated interferon α-2b and ribavirin
Notice bibliographique
Résumé
BACKGROUND AND AIM: Chronic hepatitis C virus (HCV) infection represents a significant disease burden worldwide. Approximately 170 million people are chronically infected. HCV can lead to liver fibrosis, cirrhosis and hepatocellular carcinoma. Current standard treatment with pegylated interferon and ribavirin is suboptimal and up to 60% of patients fail to respond. Week 4 and 12 HCV RNA is used as a marker of response with nonresponders at 12 weeks discontinuing treatment. Earlier identification of nonresponders using novel biomarkers would be beneficial in preventing unnecessary toxicities and cost. This study profiled the proteomic response to treatment in HCV patients within the first 24 h using surface-enhanced laser desorption-ionization time-of-flight mass spectrometry (SELDI-TOF MS). METHODS: Serum from 25 HCV infected individuals during the initial 24 h of treatment was profiled using SELDI-TOF MS. Arrays were analyzed on the ProteinChip Reader and time-of-flight spectra were generated. Peak detection was performed by Biomarker Wizard software and analyzed using BioConductor packages. RESULTS: Significant differences were seen between the proteomic profiles of responders and nonresponders to treatment. Overall 70 peaks differentiated responders from nonresponders. A random forest classifier identified a panel of 20 peaks, which differentiated responders from nonresponders with 87.4% accuracy. The CM10 chip revealed 16 peaks identifying genotype 1 responders from nonresponders. CONCLUSION: This study identifies early proteomic spectra as potential predictors of HCV treatment response using SELDI-TOF MS. This illustrates the importance of early biomarkers in the prediction of response within the first 24 h, which may aid in tailoring HCV treatment regimens.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».